2011 Fiscal Year Annual Research Report
| Project Area | Computational anatomy for computer-aided diagnosis and therapy :Frontiers of medical image sciences |
|---|
| Project/Area Number |
21103003
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
佐藤 嘉伸 大阪大学, 医学(系)研究科(研究院), 准教授 (70243219)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中本 将彦 大阪大学, 医学(系)研究科(研究院), 助教 (00380634)
山崎 隆治 大阪大学, 学内共同利用施設等, 准教授 (40432546)
多田 幸生 神戸大学, その他の研究科, 教授 (70135812)
堀 雅敏 大阪大学, 医学(系)研究科(研究院), 助教 (00346206)
富山 憲幸 大阪大学, 医学(系)研究科(研究院), 教授 (50294070)
菅野 伸彦 大阪大学, 医学(系)研究科(研究院), 教授 (70273620)
菅本 一臣 大阪大学, 医学(系)研究科(研究院), 教授 (40294061)
|
|---|
| Keywords | ＣＴ画像 / 膵臓 / 確率アトラス / Ada Boost / セグメンテーション / 筋肉 / 多重アトラス法 |
|---|
| Research Abstract |
（１）症例データベースの多施設統合：腹部ＣＴデータにおいて、大阪大学病院（阪大データ）、米国ＮＩＨ（ＮＩＨデータ）、東京農工大が整備した国立がん研究センター・神奈川がんセンター（農工大データ）のデータを統合した。阪大データとＮＩＨデータは、肝臓、脾臓、左右腎臓、胆嚢、膵臓、大動脈、下大静脈の８臓器、東京農工大データは膵臓領域のラベル画像を整備した。大阪大学病院の股関節ＣＴデータについて、骨格に加えて、筋肉ラベル画像を整備した。
（２）統計アトラス型計算解剖モデルの体系化と腹部臓器領域抽出への応用：前年度に開発した周辺解剖構造からの予測型統計アトラスを系統的に構築するため、複数臓器における位置と形状の関係を記述するためのグラフ表現である「臓器相関グラフ」の概念を導入した。正準相関分析の相関値に基づいた臓器間の関係に基づき、予測型アトラスにおける予測変数となる臓器と予測対象とある臓器を決定した。このアトラスを利用することによりＣＴ画像からの臓器領域抽出精度が優位に向上することを示した。膵臓領域の抽出において、東京農工大で開発した機械学習法に予測型アトラスの情報を埋め込むことにより、これまでの文献値では得られていない高い抽出精度（Jaccardの一致度０．７以上）が達成できた。
（３）多重アトラス型計算解剖モデルの階層化と筋骨格臓器領域への応用：前年度までに開発したＣＴ画像からの骨格領域抽出の結果を階層化の最上位として、順次、筋肉組織全体、主要な個別筋肉、全ての個別筋肉の順で階層的に領域抽出する方法を開発した。これまで、ＣＴ画像から個別の筋肉を全自動で領域抽出方法は提案されていなかったが、抽出誤差は、平均で2 mm程度であり、臨床的に筋肉の委縮等を定量的に評価できる可能性が示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現時点（2012年度の達成点）において、腹部の複数臓器において、ＣＴ画像からの安定かつ実用可能な抽出精度が達成された。前提条件として、臓器領域の濃淡値分布が統計的に既知という条件が必要である。また、肝臓領域が既抽出、あるいは、肝臓の上端のｚ座標（ｚ軸は頭尾方向）が概ね既知という仮定が必要である。よって、現時点では、ＣＴ撮影時の造影剤の使用条件・撮影のタイミングやＣＴの機種など、異なる濃淡コントラストデータ毎に、濃淡値分布統計モデルの作成が必要である。そのためには、撮影条件毎に、多数の症例において、各臓器領域をトレースして、その領域内のＣＴ値の分布から統計モデルの作成をする必要がある。また、撮影範囲の情報も与える必要がある。しかし、以上の条件の下では、種々の撮影条件のＣＴ画像に対して良好な結果を得た。
股関節においても、ＣＴ画像からの筋肉領域の抽出が実用可能な精度で達成された。現在のところ、多重アトラスと同じＣＴ機種の（造影剤を使わない）単純ＣＴ画像への応用に関して、良好な結果を得ている。例えば、筋肉は、ＭＲＩの描出能が高いとされるが、ＭＲ画像に適用する場合は、多数の症例のＭＲ画像においてアトラス作成（トレース）を行わなければならない。提案法では、階層化により、比較的少ないトレースの手間で一定の精度を達成した。すなわち、全症例において、アトラス作成が容易な筋肉組織領域と少数の代表筋肉においてトレースを行い、全筋肉のトレースを１症例のみに行った。これにより、全症例の全筋肉をトレースすることなく、一定の精度を得ることができた。よって、新規にＭＲ画像に適用する場合でも、トレースの量を比較的少なく抑えることができる。
|
| Strategy for Future Research Activity |
腹部臓器と股関節筋骨格の計算解剖モデルとその自動領域抽出応用に対して、撮影条件に依存しない普遍性や解剖構造の多様化など、より高い汎用性を目指す。腹部臓器、股関節筋骨格のそれぞれの特性に応じた階層化法を提案しているが、今後、それぞれ以下の方針で研究を推進する。
腹部臓器については、今後、多臓器のラベル画像の学習データが与えられ、多臓器の関係も含めた計算解剖モデル（臓器相関グラフ）を自動生成し、さらに、多臓器領域抽出手順を自動生成する方法を定式化する。また、撮像条件に依存しない普遍性のある方法を目指す。特に、造影剤によるコントラストの違いに依存しない普遍性のある方法を開発する。撮像範囲については、他の計画班の方法（解剖学的特徴点の自動抽出）を統合することにより解決を試みる。さらに、腹部の血管や筋骨格についても、自動認識法の確立を目指す。
股関節筋骨格については、その走行が筋肉と密接に関連する血管や神経、また、骨格と密接に関連する関節軟骨など、筋骨格と空間的に関連する重要な解剖構造の自動領域抽出を目指す。また、ＭＲＩなど他のモダリティへの応用を念頭において、学習データ作成において、作成の手間と得られる精度をバランスさせる方法の確立を目指す。
|
